CN108037514A - 一种使用激光点云进行树障安全检测方法 - Google Patents
一种使用激光点云进行树障安全检测方法 Download PDFInfo
- Publication number
- CN108037514A CN108037514A CN201711081441.9A CN201711081441A CN108037514A CN 108037514 A CN108037514 A CN 108037514A CN 201711081441 A CN201711081441 A CN 201711081441A CN 108037514 A CN108037514 A CN 108037514A
- Authority
- CN
- China
- Prior art keywords
- point
- msub
- mrow
- power line
- ground
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 238000005070 sampling Methods 0.000 claims abstract description 4
- 238000000926 separation method Methods 0.000 claims abstract description 4
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 claims 1
- 230000000116 mitigating effect Effects 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000007689 inspection Methods 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 abstract 2
- 230000007717 exclusion Effects 0.000 abstract 1
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种使用激光点云进行树障安全检测方法,包括:通过数字表面高程特征从点云数据总将地面点、植被、电力线进行分类。其中使用移动面拟合滤波的方式实现地形表面与植被的分离,使用迭代法计算高程阀值实现电力设备与地面数据(含植被)的滤除切分,并使用随机抽样一致性及抛物线方程实现电力线的抽取与拟合,为最终使用自动化安全距离量测提供基本数据支持。与传统人工量测排除相比,本方法提高了检测准确性,并实现了安全距离的自动测算、树障隐患点的颜色标注,支持输出安全距离检查结果图。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种使用激光点云进行树障安全检测方法。
背景技术
输电通道走廊内成长的树木对线路的安全运行造成很大的影响和危害。容易造成短路、线路跳闸、线路停电,甚至产生变电所全所失压等情况发生;线路通道内的树木已成为输电线路线路运行的重大隐患,
通过对电力走廊LiDAR点云数据进行分类提取,对地物点进行地形曲面扫描计算,并对处理后的电力线进行分离与拟合重构;依照相关的电力安全标准,对电力线和树木等地物的水平和垂直距离信息进行测算。确定树木目标是否对电力线的安全性构成威胁,以便评估电力线的环境安全状态。发明内容
本发明的目的在于提供一种使用激光点云进行树障安全检测方法,实现电力走廊电力线、地面模型及植被信息的分类提取,根据点云数据特征提取、分类以及个体目标点云实现分割的过程,获取所需电力通道走廊中电力线及周边环境的空间分布信息,最终实现电力走廊中的危险树障地物的分析。
为实现上述目的,本发明包括如下步骤:
通过激光雷达通过发射激光脉冲、接收返回的脉冲信号,部分地穿透植被获取林下地形信息,可快速获取地表各种地物高密度、以及电力设备高精度的三维空间信息的激光点云数据。
航拍激光雷达点云中既含有地面点又含有非地面点,需要对激光雷达点云数据进行滤处理,从中提取数字地面/高程模型(DTM/DEM),进一步进行植被,点云数据通常采用了分层分类的思路,通过先把点云数据中的地面点和非地面点分离开、并利用地面点生成DEM;采用移动面拟合滤波方法,实现地面点与非地面点的分离。可以假设地形表面是一个复杂的曲面,可表示为:
区域地表也可以用局部面元都可以利用一个简单的二次曲面表示。zi=a0+a1xi+a2yi
(2)相当用一个移动的简单地形曲面在过滤遍整个测区。拟合后的平面更为接近地形表面,能有效地滤除植被点。实现地面点云数据的提取。
根据电力线点云的高程明显大于地面及其附属物的空间特点,通过采用高程阈值实现点云分割,达到简化数据以及提高效率的目的。设定一个高程阈值来区分电力线点和部分杆塔点以外的地物点。使用基于集合点的平均值的统计,运用迭代法寻找最佳分割阈值。迭代法能体现出较快的速度取得满意结果,并且计算量小的特点。实现电力设备点云的粗过滤。
经过粗分类后的电力线点云基本剔除了植被点,但还包括了电塔点和部分散乱的噪声点。依据电力线点云在XY投影的平面内具有线状特征,电力线点云数据可被模拟直线所通过,而局外点远离于直线。可依照随机抽样一致算法RANSAC(Random SampleConsensus)进行进一步的精细分类提前电力线。RANSAC用比较少的点估计出模型,再利用剩余的点来检验模型的正确性。在模型确定以及最大迭代次数允许的情况下,RANSAC算法可以满足通过归纳出来的线上点计算出模型的参数。
为实现电力线的空间重构,假设一根自然悬挂的电力线AB,以其走向为X轴,竖直地面方向为Y轴建立起坐标系,拟合定了电力线。其中在XY平面上的直线参数,也就确定了电力线所在的断面。由于每根电力线在断面内是一根悬链线,可简化使用抛物线方程来表示。抛物线方程采用下式:
y=ax2+bx+c (4)
式中A、b、c为拋物线模型系数
根据获取的植被目标的中心点以及半径,以植被中心点与地面的交点为树木倒下的圆弧的中心点,该圆弧与输电线之间的最小距离作为安全距离测度。若该距离大于设定的安全距离阈值则认为符合安全规范。依据规定的林地与建筑物安全距离标准作为算法阈值。计算提取的建筑物、林地激光点到拟合电力线矢量的水平和垂直距离,对于超限阈值进行预警点云数据集安全距离检查结果图,对于不同地物类别使用不同颜色表示,对超安全距离的地物使用高亮颜色进行表示。其中红色为安全距离超限的树障点区域。
本发明方法具有如下优点:
1、本发明提供的针对一种激光点云对输电通道走廊树障的安全检测方法,通过使用近似拟合区域地面的平面方程来替代二次曲面模拟地表面计算,能有效减少了计算量,完成地面点云数据的获取,构建最终的DEM(数字地面模型)。
2、本发明提供的随机抽样一致算法RANSAC(Random Sample Consensus)进行进一步的精细分类。与小二乘法相比,运算数据量少,最大迭代次数有限,经过实践能找到最优解。
附图说明
图1为本发明实施例的流程图。
图2为本发明实施例中采用点云分类数据图。
图3为本发明实施例中提取电力线点云数据图。
图4为本发明实施例中最终生成通道周边树障分析图。
具体实施方式
以下实施例用于说明本发明,但不用来限制本发明的范围。
实施例1
本发明实施例流程如图1所示。
第一步、使用机载LiDAR航飞,获取输电通道走廊的激光点云数据。
第二步、航拍激光雷达点云中既含有地面点又含有非地面点,需要对激光雷达点云数据进行滤处理,按照归一化数字表面高程特征可依次分为低矮植被、中等高度植被、高植被、电力线等。采用移动面拟合滤波方法,假设地形表面是一个复杂的曲面,任何一个复杂的曲面的局部面元都可以利用一个简单的二次曲面表示:公式如下:
当局部面元缩小到一定程度时,区域地表也可以用一个平面方程来近似表达;公式如下:
zi=a0+a1xi+a2yi (2)
将种子区域内彼此相互靠近的最低的三点作为初始地面点,并取这三点确定的平面作为初始拟合面;然后将邻近的备选点的平面坐标代入平面方程,计算出备选点的拟合高程值。通过对拟合高程值同该点的观测高程值的差值进行对比,若差值超过给定的阈值,可认定该激光脚点不在地面上做滤除处理,反之就视为地面点。利用接纳的地面点同构成初始拟合面的三个点重新拟合一个地形表面,对邻近的新点进行同样的方法筛选。直至拟合点数为6时,则以后都将保持点数不变。以后每新增一个地面点,就丢掉一个最老的种子点。拟合出这个二次曲面的系数.。实现地面点云数据的提取,并可构建生成最终的数字高程模型(DEM)。
第三步、迭代法可以较快的速度取得满意结果,并且计算量小,设定一个高程阈值来区分电力线点和部分杆塔点以外的地物点。实现基于集合点的平均值的统计,寻找最佳分割阈值。其算法步骤如下:
1)按分割区域划分选取区域内所有数据的平均高程T0为初始阈值,即Tk=T0;
2)依据阈值Tk,将数据集拆分为两个集合(Ua,Ub),分别计算集Ua,Ub合各自平均高程,小于Tk集合平均高程为TA,大于Tk集合平均高程为TB;
3)根据步骤(1)重新设置阈值Tk+1:其中Tk+1=(TA+TB)/2
4)将Tk+1作为新的全局阈值代替Tk;
5)重复以上过程,直至Tk收敛,即Tk+1=Tk,则Tk为最终分割阈值T;
6)根据最终分割阈值T,将数据集分割为电力设备点云数据集(含电力线、杆塔、绝缘子等)及地面(含植被数据)及两个部分。
第四步、电力线点云数据的分离与提取,通常粗分类后的数据中包含电力线上点和其他局外点,其中电力线点近似的被直线所通过,采用RANSAC算法估计模型参数,然后再舍弃误差比较大的点的思路,再利用剩余的点来检验模型,求出最优解。具体步骤为:
1)将电力线粗分类点云数据点在XOY投影面,得到二维平面样本点集U。
2)设置迭代变量k=0,迭代变量阈值k0=1;在U中随机选两个点并构造一条直线L。
3)遍历U中的每个点Pi,计算Pi到直线L的距离Dist;确定一个距离阈值Dist0,其大小取决于每股电力线的直径大小;如果Dist<Dist0,则判定该点为直线L上的点,反之弃之。
4)统计直线L上点的个数n,并与阈值n0比较(n0为估计的每段电力线大致的点云数目,视点云密度而定)。如果n>n0,更新迭代变量阈值,并递增迭代变量k;否则,无需更新,只递增迭代变量k
式中:p代表所有直线上的点全为电力线点云的概率,由于电力线点云在粗分类点集中占有很大的比例,因此可设置为一个较大的值(不少于0.995);ω为n与点集U的点云数量的比值。
5)迭代步骤2)~4),直至k<k0,或者k0小于最大迭代次数Kmax。这时候线上点足够多,并且线上点多于原有“最佳”直线的线上点,那么将这次迭代的直线设为“最佳”直线。
第五步、电力线拟合:以电力线走向为X轴,竖直方向为Y轴建立的坐标系,电力线在XY平面上的直线参数,也就确定了电力线所在的断面。每根电力线在断面内是一根悬链线,一般可简化使用抛物线方程来表示。抛物线方程采用下式:
y=ax2+bx+c (4)
式中A、b、c为拋物线模型系数
由于误差的存在,并且平行的电力线之间存在一定的间距,所以在计算断面时,需要给予断面一定的XY平面上的宽度(定为20CM),以包含尽量多的有用点云数据。
第六步,分析可根据获取的植被目标的中心点以及半径,以植被中心点与地面的交点为树木倒下的圆弧的中心点,该圆弧与输电线之间的最小距离作为安全距离测度。若该距离大于设定的安全距离阈值则认为符合安全规范。计算提取的建筑物、林地激光点到拟合电力线矢量的水平和垂直距离,对于超限阈值进行预警点云数据集安全距离检查结果图,对于不同地物类别使用不同颜色表示,对超安全距离的地物使用高亮颜色进行表示。
具体的采用如图2所示图像进行处理,完成地面点与电力设施的粗分类;图3展示电力线提取示意图;最终获得的地面数据、电力杆塔、电力线与树障图如图4所示。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (7)
1.一种使用激光点云进行树障安全检测方法,其特征在于,所述检测方法,包括:
S1使用机载激光扫描航飞,获取输电通道走廊的激光点云数据;
S2通过归一化数字表面高程实现地面点和非地面点分离,获取地面点数据;
S3使用迭代法获取高程阀值,实现电力设备数据与非地面点的过滤粗分类;
S4对电力设备点云数据使用随机抽样一致算法提取电力线数据;
S5采用抛物线实现电力线的空间拟合;
S6根据获取的植被目标的中心点以及半径,以植被中心点与地面的交点为树木倒下的圆弧的中心点,该圆弧与输电线之间的最小距离作为安全距离测度。
2.根据权利要求1所述的一种使用激光点云进行树障安全检测方法,其特征在于,S2中将归一化数字表面高程特征,使用移动面拟合滤波方法实现地面点和非地面的的分离;其中任何一个复杂的曲面的局部面元都可以利用一个简单的二次曲面表示:
<mrow>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>a</mi>
<mn>0</mn>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>3</mn>
</msub>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<msub>
<mi>a</mi>
<mn>4</mn>
</msub>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mn>5</mn>
</msub>
<msubsup>
<mi>y</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>.</mo>
</mrow>
3.权利要求1所述的一种使用激光点云进行树障安全检测方法,其特征在于,S3中将根据电力线点云的高程明显大于地面及附属物的空间特点,通过采用高程阈值实现电力设备与非地面的点云数据分割,达到简化数据以及提高拟合效率的目的,通过基于集合点的平均值的统计,寻找最佳分割阈值,实现电力设备点云数据的粗分类。
4.如权利要求1所述的一种使用激光点云进行树障安全检测方法,其特征在于,S4中使用随机一致算法进行进一步的精细分类,通过比较少的电力点云数据估计出电力线模型,再使剩余的点来检验模型,减轻严重错误点时异常数据对模型参数估计的影响,在模型确定以及最大迭代次数允许的情况下,找到电力线模型最优解。
5.如权利要求1所述的一种使用激光点云进行树障安全检测方法,其特征在于,S5中拟合三维场景下的电力线,依据每根电力线在断面内是一根悬链线,一般可简化使用抛物线方程来表示;抛物线方程采用下式包括:
y=ax2+bx+c (2)。
6.如权利要求3所述的一种使用激光点云进行树障安全检测方法,其特征在于,S3算法步骤如下:
1)按分割区域划分选取区域内所有数据的平均高程T0为初始阈值,即Tk=T0;
2)依据阈值Tk,将数据集拆分为两个集合(Ua,Ub),分别计算集Ua,Ub合各自平均高程,小于Tk集合平均高程为TA,大于Tk集合平均高程为TB;
3)根据步骤1)重新设置阈值Tk+1:其中Tk+1=(TA+TB)/2;
4)将Tk+1作为新的全局阈值代替Tk;
5)重复以上过程,直至Tk收敛,即Tk+1=Tk,则Tk为最终分割阈值T;
6)根据最终分割阈值T,将数据集分割为电力设备点云数据集及地面及两个部分。
7.如权利要求4所述的一种使用激光点云进行树障安全检测方法,其特征在于,S4算法步骤如下:
1)将电力线粗分类点云数据点在XOY投影面,得到二维平面样本点集U;
2)设置迭代变量k=0,迭代变量阈值k0=1;在U中随机选两个点并构造一条直线L;
3)遍历U中的每个点Pi,计算Pi到直线L的距离Dist;确定一个距离阈值Dist 0,其大小取决于每股电力线的直径大小;如果Dist<Dist 0,则判定该点为直线L上的点,反之弃之;
4)统计直线L上点的个数n,并与阈值n0比较,其中,n0为估计的每段电力线大致的点云数目,视点云密度而定;如果n>n0,更新迭代变量阈值,并递增迭代变量k;否则,无需更新,只递增迭代变量k
<mrow>
<msub>
<mi>k</mi>
<mn>0</mn>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mi>log</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>log</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msup>
<mi>&omega;</mi>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
式中:p代表所有直线上的点全为电力线点云的概率,由于电力线点云在粗分类点集中占有很大的比例,因此可设置为一个较大的值(不少于0.995);ω为n与点集U的点云数量的比值;
5)迭代步骤2)~4),直至k<k0,或者k0小于最大迭代次数Kmax。这时候线上点足够多,并且线上点多于原有“最佳”直线的线上点,那么将这次迭代的直线设为“最佳”直线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711081441.9A CN108037514A (zh) | 2017-11-07 | 2017-11-07 | 一种使用激光点云进行树障安全检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711081441.9A CN108037514A (zh) | 2017-11-07 | 2017-11-07 | 一种使用激光点云进行树障安全检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108037514A true CN108037514A (zh) | 2018-05-15 |
Family
ID=62093792
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711081441.9A Pending CN108037514A (zh) | 2017-11-07 | 2017-11-07 | 一种使用激光点云进行树障安全检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108037514A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109100703A (zh) * | 2018-09-07 | 2018-12-28 | 北京数字绿土科技有限公司 | 一种输电线路危险点检测方法及装置 |
CN109214573A (zh) * | 2018-09-07 | 2019-01-15 | 北京数字绿土科技有限公司 | 输电线路树木生长或倒伏危险点预测方法和装置 |
CN110471086A (zh) * | 2019-09-06 | 2019-11-19 | 北京云迹科技有限公司 | 一种雷达测障系统及方法 |
CN110888452A (zh) * | 2018-09-11 | 2020-03-17 | 杨扬 | 一种无人机电力巡检自主飞行的避障方法 |
CN111275821A (zh) * | 2020-01-20 | 2020-06-12 | 南方电网数字电网研究院有限公司 | 一种电力线拟合方法、系统及终端 |
JP2020098188A (ja) * | 2018-09-27 | 2020-06-25 | バイドゥ オンライン ネットワーク テクノロジー (ベイジン) カンパニー リミテッド | 障害物検出方法、障害物検出装置、電子機器、車両及び記憶媒体 |
CN111929698A (zh) * | 2020-06-22 | 2020-11-13 | 云南电网有限责任公司带电作业分公司 | 一种输电线路走廊区域内的树障隐患识别方法 |
CN112085773A (zh) * | 2020-09-07 | 2020-12-15 | 深圳市凌云视迅科技有限责任公司 | 一种去除局外点的平面拟合方法和装置 |
CN112285733A (zh) * | 2020-10-21 | 2021-01-29 | 郑州中核岩土工程有限公司 | 一种城乡规划核实测绘数据处理方法 |
CN112884745A (zh) * | 2018-10-11 | 2021-06-01 | 广东电网有限责任公司 | 线路隐患分析方法、装置及电子终端 |
CN113222914A (zh) * | 2021-04-27 | 2021-08-06 | 南方电网数字电网研究院有限公司 | 一种基于配准点云的树障隐患快速检测方法 |
CN113674240A (zh) * | 2021-08-16 | 2021-11-19 | 广东电网有限责任公司广州供电局 | 一种基于激光点云的伐树消缺分析方法 |
CN114578315A (zh) * | 2022-03-03 | 2022-06-03 | 北京华宜信科技有限公司 | 基于无人机激光雷达探测的电力线危险点预测方法和装置 |
CN116630361A (zh) * | 2023-04-24 | 2023-08-22 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于Lidar点云的输电杆塔与绝缘子模型自动分割方法 |
CN117132915A (zh) * | 2023-10-27 | 2023-11-28 | 国网江西省电力有限公司电力科学研究院 | 一种基于点云自动分类的输电线路树障隐患分析方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0704368D0 (en) * | 2007-03-07 | 2007-04-11 | Kokkas Nikolaos | Geodata fusion for automated 3D city modelling |
US20090185741A1 (en) * | 2008-01-09 | 2009-07-23 | Tiltan Systems Engineering Ltd. | Apparatus and method for automatic airborne LiDAR data processing and mapping using data obtained thereby |
CN102590823A (zh) * | 2012-01-06 | 2012-07-18 | 中国测绘科学研究院 | 一种机载lidar数据电力线快速提取及重构方法 |
CN103413133A (zh) * | 2013-06-28 | 2013-11-27 | 广东电网公司电力科学研究院 | 无序激光点云数据中自动提取电力线方法 |
CN106199557A (zh) * | 2016-06-24 | 2016-12-07 | 南京林业大学 | 一种机载激光雷达数据植被提取方法 |
CN106709946A (zh) * | 2016-12-16 | 2017-05-24 | 武汉大学 | 基于LiDAR点云的多分裂导线自动提取与精细建模方法 |
-
2017
- 2017-11-07 CN CN201711081441.9A patent/CN108037514A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0704368D0 (en) * | 2007-03-07 | 2007-04-11 | Kokkas Nikolaos | Geodata fusion for automated 3D city modelling |
US20090185741A1 (en) * | 2008-01-09 | 2009-07-23 | Tiltan Systems Engineering Ltd. | Apparatus and method for automatic airborne LiDAR data processing and mapping using data obtained thereby |
CN102590823A (zh) * | 2012-01-06 | 2012-07-18 | 中国测绘科学研究院 | 一种机载lidar数据电力线快速提取及重构方法 |
CN103413133A (zh) * | 2013-06-28 | 2013-11-27 | 广东电网公司电力科学研究院 | 无序激光点云数据中自动提取电力线方法 |
CN106199557A (zh) * | 2016-06-24 | 2016-12-07 | 南京林业大学 | 一种机载激光雷达数据植被提取方法 |
CN106709946A (zh) * | 2016-12-16 | 2017-05-24 | 武汉大学 | 基于LiDAR点云的多分裂导线自动提取与精细建模方法 |
Non-Patent Citations (5)
Title |
---|
叶岚 等: "基于LIDAR点云数据的电力线提取和拟合方法研究", 测绘与空间地理信息, vol. 33, no. 5, pages 30 - 34 * |
张小红 等: "机载激光扫描测高数据滤波", 测绘科学, vol. 29, no. 6, pages 50 - 53 * |
梁静 等: "利用机载LiDAR点云数据提取电力线的研究", 测绘通报, no. 7, pages 17 - 20 * |
王平华 等: "机载激光雷达数据中电力线的快速提取", 测绘科学, vol. 42, no. 2, pages 154 - 158 * |
陈驰 等: "大型无人机电力巡检LiDAR点云安全距离诊断方法", 电网技术, vol. 41, no. 8, pages 2723 - 2730 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109100703A (zh) * | 2018-09-07 | 2018-12-28 | 北京数字绿土科技有限公司 | 一种输电线路危险点检测方法及装置 |
CN109214573A (zh) * | 2018-09-07 | 2019-01-15 | 北京数字绿土科技有限公司 | 输电线路树木生长或倒伏危险点预测方法和装置 |
CN110888452B (zh) * | 2018-09-11 | 2023-03-17 | 杨扬 | 一种无人机电力巡检自主飞行的避障方法 |
CN110888452A (zh) * | 2018-09-11 | 2020-03-17 | 杨扬 | 一种无人机电力巡检自主飞行的避障方法 |
JP2020098188A (ja) * | 2018-09-27 | 2020-06-25 | バイドゥ オンライン ネットワーク テクノロジー (ベイジン) カンパニー リミテッド | 障害物検出方法、障害物検出装置、電子機器、車両及び記憶媒体 |
US11393219B2 (en) | 2018-09-27 | 2022-07-19 | Apollo Intelligent Driving Technology (Beijing) Co., Ltd. | Method and apparatus for detecting obstacle, electronic device, vehicle and storage medium |
CN112884745A (zh) * | 2018-10-11 | 2021-06-01 | 广东电网有限责任公司 | 线路隐患分析方法、装置及电子终端 |
CN110471086A (zh) * | 2019-09-06 | 2019-11-19 | 北京云迹科技有限公司 | 一种雷达测障系统及方法 |
CN111275821A (zh) * | 2020-01-20 | 2020-06-12 | 南方电网数字电网研究院有限公司 | 一种电力线拟合方法、系统及终端 |
CN111929698A (zh) * | 2020-06-22 | 2020-11-13 | 云南电网有限责任公司带电作业分公司 | 一种输电线路走廊区域内的树障隐患识别方法 |
CN112085773A (zh) * | 2020-09-07 | 2020-12-15 | 深圳市凌云视迅科技有限责任公司 | 一种去除局外点的平面拟合方法和装置 |
CN112285733A (zh) * | 2020-10-21 | 2021-01-29 | 郑州中核岩土工程有限公司 | 一种城乡规划核实测绘数据处理方法 |
CN112285733B (zh) * | 2020-10-21 | 2023-09-26 | 中核勘察设计研究有限公司 | 一种城乡规划核实测绘数据处理方法 |
CN113222914A (zh) * | 2021-04-27 | 2021-08-06 | 南方电网数字电网研究院有限公司 | 一种基于配准点云的树障隐患快速检测方法 |
CN113674240A (zh) * | 2021-08-16 | 2021-11-19 | 广东电网有限责任公司广州供电局 | 一种基于激光点云的伐树消缺分析方法 |
CN114578315B (zh) * | 2022-03-03 | 2022-11-04 | 北京华宜信科技有限公司 | 基于无人机激光雷达探测的电力线危险点预测方法和装置 |
CN114578315A (zh) * | 2022-03-03 | 2022-06-03 | 北京华宜信科技有限公司 | 基于无人机激光雷达探测的电力线危险点预测方法和装置 |
CN116630361A (zh) * | 2023-04-24 | 2023-08-22 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于Lidar点云的输电杆塔与绝缘子模型自动分割方法 |
CN116630361B (zh) * | 2023-04-24 | 2024-04-19 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于Lidar点云的输电杆塔与绝缘子模型自动分割方法 |
CN117132915A (zh) * | 2023-10-27 | 2023-11-28 | 国网江西省电力有限公司电力科学研究院 | 一种基于点云自动分类的输电线路树障隐患分析方法 |
CN117132915B (zh) * | 2023-10-27 | 2024-03-12 | 国网江西省电力有限公司电力科学研究院 | 一种基于点云自动分类的输电线路树障隐患分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108037514A (zh) | 一种使用激光点云进行树障安全检测方法 | |
CN106815850A (zh) | 基于激光雷达技术获取甚高郁闭度森林蓄积量的方法 | |
CN101672915B (zh) | 一种高空间分辨率遥感影像树冠轮廓勾绘系统及方法 | |
US9330435B2 (en) | Bare earth finding and feature extraction for 3D point clouds | |
CN107273902B (zh) | 一种从机载LiDAR数据自动提取电塔点云的方法 | |
CN109214573A (zh) | 输电线路树木生长或倒伏危险点预测方法和装置 | |
CN108896021B (zh) | 基于航空摄影测量点云提取人工林林分结构参数的方法 | |
CN109901618A (zh) | 电力巡线系统及方法 | |
CN109801236A (zh) | 一种基于混合高斯模型的光子点云去噪方法 | |
CN113281716B (zh) | 一种光子计数激光雷达数据去噪方法 | |
Salleh et al. | Accuracy assessment of lidar-derived digital terrain model (DTM) with different slope and canopy cover in tropical forest region | |
CN107330898A (zh) | 植被垂直带定量刻划计算方法和系统 | |
CN112381041A (zh) | 一种用于输电线路的树木识别方法、装置及终端设备 | |
Alexander et al. | Structural attributes of individual trees for identifying homogeneous patches in a tropical rainforest | |
Silva et al. | Comparing the performance of ground filtering algorithms for terrain modeling in a forest environment using airborne LiDAR data | |
CN116561509A (zh) | 顾及植被类型的城市植被地上生物量精确反演方法及系统 | |
Rashidi et al. | Extraction of ground points from LiDAR data based on slope and progressive window thresholding (SPWT) | |
Munir et al. | Extraction of forest power lines from LiDAR point cloud data | |
Hui et al. | Individual tree extraction from UAV lidar point clouds based on self-adaptive Mean shift segmentation | |
Rowell et al. | Using laser altimetry-based segmentation to refine automated tree identification in managed forests of the Black Hills, South Dakota | |
CN107194431A (zh) | 机载LiDAR点云数据分类技术 | |
CN114862872B (zh) | 一种基于Faster R-CNN的红树林单木分割方法 | |
CN116256771A (zh) | 一种基于无人机激光点云树障分析方法 | |
Gonçalves-Seco et al. | Digital terrain model generation using airborne LiDAR in a forested area Galicia, Spain | |
Salleh et al. | Revised Progressive Morphological Method for Ground Point Classification of Airborne LiDAR Data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180515 |